Студопедия

Главная страница Случайная страница

Разделы сайта

АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника






Классификация методов принятия управленческих решений






 

Методы принятия управленческих решений являются регламентируемы- ми действий ми и способами по решению управленческих задач выбора альтер- натив. Системный подход применительно к данному процессу позволяет сфор- мулировать состав подпроцессов (этапов) поиска решении и путем установле- ния отношений следования между этапами выстроить так называемую систем- ную последовательность принятия решений. В самом общем виде данная по- следовательность включает этапы анализа (диагностики), целевыявления и про- ектирования (поиска средств достижения целей), реализации и оценки резуль- татов и применима принятия решений в самых разных и сложных системах управления.

Совокупность взаимосвязанных методов принятия управленческих реше- ний направленных на решение определенного класса управленческих задач, на- зывается управленческими технологиями, методическим инструментарием ор- ганизации и регулирования бизнес-процессов и является основным элементом управленческого процесса. Принятию решений предшествует этап диагностики проблем, а завершает процесс – этап реализации управленческих решении. Классификация методов принятия управленческих решений, построенная на основе системной последовательности процесса принятия решений, представ- лена на рис. 4.1.

 

Рис. 4.1. Классификация методов принятия управленческих решений


 

 

4.2. Методы, применяемые на этапе диагностики проблем

 

Методы, используемые на этапе диагностики проблем, обеспечивают ее достоверное и наиболее полное описание. В их составе выделяют методы срав- нения, факторного анализа, моделирования и прогнозирования. Все эти методы осуществляют сбор, хранение, обработку и анализ информации, фиксацию важнейших событий. Набор методов зависит от характера и содержания про- блемы, сроков и средств, которые выделяются на этапе постановки.

Методы сравнений и факторный анализ являются широко известными и достаточно подробно излагаются в дисциплинах «Анализ хозяйственной дея- тельности», «Общая теория статистики» и др. Они основываются на сопостав- лении фактических и нормативных (плановых, целевых) показателей и выявле- нии отклонений и основных причин этих отклонений.

Моделирование включает следующие модели: экономико- математические, теории массового обслуживания, теории запасов и экономиче- ского анализа.

Экономико-математическое моделирование основывается на использо- вании однофакторных и многофакторных моделей. Применяются однофактор- ные модели следующих видов: линейные модели, парабола и гипербола; мно- гофакторные модели: линейная и логарифмическая. Наиболее часто применя- ются линейные модели – однофакторные

 

(4.2.1)

 

и многофакторные

 

, (4.2.2)

 

где a0, a1, …, an – параметры уравнений, x, x1…, xn – независимые перемен- ные при принятии решений, y – зависимая переменная, описывающая послед- ствия принимаемых решений. Задача состоит в определении параметров урав- нения a0, a1, …, an..

 

Теория массового обслуживания (теория очередей) применяется для ре- шений, связанных с ситуациями ожидания. Она помогает принять решение, ус- танавливающее определенное равновесие между размерами упущенной выгоды (доходов) и величиной дополнительных затрат в сервисных организациях. На- пример, такие как банки, магазины, железнодорожные и авиационные кассы, поликлиники, автозаправочные станции, ремонтные фирмы, парикмахерские, телефонные станции и другие. Клиенты, не желающие стоять в очереди, пред- ставляют упущенную выгоду. Время ожидания можно сократить за счет увели- чения количества операторов, обслуживающих систему, что ведет к увеличе- нию затрат. В основе расчетов лежит известная формула Пуассона:


 

 

(4.2.3)

 

где Pn – вероятность появления n -го количества клиентов; e – основание нату- рального логарифма, е = 2, 7183…; – среднее количество клиентов; n – количество клиентов в единицу времени.

 

Основными характеристиками модели теории очередей являются количе- ство каналов обслуживания, среднее время обслуживание одного клиента, ко- личество клиентов, время ожидания обслуживания и др. На основе выполнен- ных расчетов определяется необходимое количество каналов обслуживания при допустимом, с точки зрения клиента ожидании обслуживания.

Теория запасов была разработана в начале ХХ столетия, а широкое при- менение началось с 40-х годов. Наибольших успехов, как правило, достигали японские предприятия. Использование теории запасов позволяет установить равновесие между затратами на создание запасов и издержками, связанными с потерями в случае нарушения производственного процесса. Запасы называют

«бездействующими ресурсами» (idle resource), они подвержены порче, хищени- ям, устареванию и прочее, кроме того, они увеличивают расходы на оборотные средства предприятия. Теория запасов позволяет определить экономически вы- годный размер запаса (economic order quantity – EOQ) по формуле, разработан- ной Гаррисоном Ф. В 1915 г.

 

, (4.2.4)

где Q – экономически выгодный размер запаса; O – затраты на оформление за- каза (order cost); D – годовые запасы; H – издержки хранения (holding cost); i – начисления к стоимости хранящихся запасов (определяется как отношение до- хода, которого можно было бы получить от вложения капитала на другие цели к величине стоимости запасов); P – стоимость хранящихся запасов (price).

 

EOQ является таким количеством запаса, который позволяет свести к ми- нимуму общие издержки, связанные с хранением запаса.

Экономический анализ оперирует такими известными понятиями, как по- стоянные и переменные издержки, выручка от реализации, цена за единицу продукции, минимальный объем реализации или точка безубыточности, порог рентабельности, запас финансовой прочности, сила операционного (производ- ственного) рычага и др.

 

(4.2.5)

где Qmin минимальный объем реализации (точка безубыточности); Fc постоян- ные издержки; P цена единицы продукции; Vc– переменные издержки на единицу продукции.


 

 

Перечисленные понятия используются для моделирования ситуаций типа, что будет с прибылью, если изменятся объем продаж, издержки, цена и др.

Методы прогнозирования используются для предвидения изменений и последствий влияния внешней и внутренней среды на организацию и подразде- ляются на количественные и качественные.

К качественным методам прогнозирования относятся в основном мето- ды предвидения спроса, такие как мнение потребителей, мнение покупателей, мнение опытных менеджеров, рыночные тесты. С помощью этих методов опре- деляют, как изменится объем и структура продаж в зависимости от цены това- ра, местонахождения и уровня доходов клиентов и других факторов.

Основными методами прогнозирования являются известные методы количественных ассоциативных оценок (построение статистических прогно- зов на основе временных рядов, корреляционного и регрессионного анализов и др.).

К количественным методам прогнозирования относят анализ временных рядов (АВР) и корреляционно-регрессионный анализ (КРА). АВР позволяет сделать выводы о текущем изменении показателей во времени. В прогнозных расчетах обычно используется следующая модель:

 

(4.2.6)

 

где Y – прогнозируемый объект; T – основной тренд (тенденция); C – циклич- ность колебания вокруг тренда; S – сезонные колебания; R – необъясненные ко- лебания (ошибки прогноза).

 

Прогнозирование на основе анализа временных рядов (АВР) использует методы экспоненциального сглаживания, экспоненциального сглаживания с учетом линейного тренда, экспоненциального сглаживания с учетом сезонной аддитивной компоненты.

Экспоненциальное сглаживание данных временного ряда основано на следующей зависимости:

 

,

(4.2.7)

 

где Pi+1 – прогноз;

Mi – экспоненциально сглаженное среднее в период i;

Xi – исходный временной ряд; – параметр сглаживания (0 1).

 

Экспоненциальное сглаживание с учетом линейного тренда использует следующие соотношения:

 

(4.2.8)


 

 

где

,

 

Ti – экспоненциально сглаженное значение тренда;

Mi – оценка величины тренда в i-м периоде.

 

Экспоненциальное сглаживание с учетом сезонной аддитивной компо- ненты основано на расчете по следующим формулам:

 

(4.2.9)

 

где

d – сезонный лаг;

e – ошибка прогноза в текущий момент времени, которая определяется как разность между фактом и прогнозом данных в период i;

Bi – величина сезонной компоненты.

 

Метод корреляционно-регрессионного анализа (КРА) построен на исполь- зовании моделей причинного прогнозирования, которые содержат ряд пере- менных, имеющих отношение к предсказываемой переменной.

В основе корреляционного анализа лежит расчет коэффициентов корре- ляции – +1 r -1. Эти коэффициенты показывают степень, или силу линей- ной взаимосвязи.

 

(4.2.10)

После определения связи между этими переменными строится статисти- ческая модель, которая и используется для прогноза. Наиболее часто исполь- зуемой количественной моделью является модель линейного регрессионного анализа.

 

(4.2.11)

 

где y – значение независимой переменной;

a1 – коэффициент, определяющий угол наклона прямой;

a0 – отрезок, отсекаемый прямой на оси у; x – независимая переменная.

 

Основным методом расчета зависимой переменной y является метод наименьших квадратов (МНК). Так, если анализ эмпирических данных показы- вает, что основная тенденция выражается прямолинейно, то можно воспользо- ваться уравнением прямой линии;


 

 

(4.2.12)

 

где – y является прогнозируемой величиной объема в зависимости от времени

x. Задача состоит в определении коэффициентов a0 + a1.

Для определения коэффициентов a0+ a1 составляют систему нормальных уравнений:

 

 

(4.2.13)

 

Решив эту систему уравнений, получим значения коэффициентов:

 

 

(4.2.14)

 

Для определения точности регрессионных оценок рассчитывают стан- дартную ошибку прогноза Sy, x. Ее называют стандартным отклонением уравне- ния регрессии:

 

(4.2.15)

где Yi – значение функции в i -й точке;

Yc – расчетное значение зависимой переменной уравнения регрессии;

n – число точек данных.

 

Множественный регрессионный анализ использует расширенное пред- ставление линейной зависимости как функцию нескольких переменных:

 

(4.2.16)

 

Для вычисления множественной регрессии чаще всего применяются ком- пьютерные программы, реализующие формулы, которые подробно описаны в учебниках по статистике. Которые подробно изучаются в таких дисциплинах как «Теория вероятности и математическая статистика», «Общая теория стати- стики» и др.


 

 

4.3. Методы генерации альтернатив. Креативность как основа выработки нестандартных (уникальных) решений

 

На этапе разработки вариантов решений также используются методы сбора информации, но в отличие от первого этапа, на котором осуществляется поиск ответов на вопросы типа «что произошло?» и «по каким причинам?», здесь уясняют, «как можно решить проблему, с помощью каких управленче- ских действий?»

При разработке альтернатив – способов управленческих действий по дос- тижению поставленной цели – используют методы как индивидуального (ин- туитивный, суждений, рациональный), так и коллективного решения проблем

 

Интуитивный подход и подход на основе суждений используется при решении относительно несложных проблем, когда решения, прежде всего, за- висят от предыдущего опыта ЛПР и соответствия появившейся проблемной си- туации прошлым ситуациям. Если же проблемная ситуация достаточно слож- ная, то применяются методы рационального решения проблем. Индивидуаль- ные методы характеризуются наименьшими затратами времени, но не всегда эти решения являются оптимальными.

Коллективные методы генерирования альтернатив подразделяются на ме- тоды активизации мышления и методы соединения альтернатив. К методам ак- тивизации мышления относят методы мозгового штурма, Дельфи, эвристиче- ские методы. К методам соединения альтернатив относят морфологический анализ, методы гирлянд ассоциаций, методы синектики и др.

Для помощи ЛПР привлекаются эксперты по решению проблем, которые участвуют в разработке вариантов альтернатив.

 

Метод мозгового штурма. При дословном переводе английское выраже- ние «брейн сторминг» означает «мозгами атаковать проблему». Этот метод был разработан в 1938 г. Алексом Ф. Осборном специалистом в области активиза- ции творческого мышления, исходя из большого недовольства ходом заседаний на конференциях.

Метод базируется на психологических закономерностях коллективной деятельности и основан на том, что творческая активность каждого человека зачастую сдерживается по тем или иным причинам, среди которых существен- ное место занимают разнообразные барьеры: психологические и коммуника- тивные, социальные и педагогические.

Целевая направленность мозгового штурма (мозговой атаки) предполагает обеспечение процесса генерирования идей без их анализа и обсуждения участ- никами, а успех его проведения зависит от соблюдения двух главных принципов:

1) группа может производить при совместной работе идеи более высокого качества, чем при индивидуальной работе тех же людей, за счет синергического эффекта;


 

 

2) если группа находится в состоянии генерирования идей, то процесс творческого мышления нельзя тормозить преждевременной субъективной оценкой этих идей.

Суть метода заключается в предоставлении каждому участнику группы права высказывать самые различные идеи по поводу вариантов решения про- блемы вне зависимости от их обоснованности, осуществимости и логичности. Чем больше разных предложений, тем лучше. С информацией о характере про- блемы участники обсуждения знакомятся заранее. Все предложения выслуши- ваются без критики и оценки, а их анализ производится централизованно после завершения процесса заслушивания вариантов на основе сделанных записей.

В результате формируется список, в котором все представленные пред- ложения структурируются по определенным параметрам-ограничениям, а так- же по их результативности.

При мозговой атаке (штурме) мы имеем дело с неограниченной дискусси- ей, которая проводится преимущественно в группах по 4-10 участников. Воз- можна также мозговая атака в одиночестве. Чем больше разница между участ- никами, тем плодотворнее результат (ввиду разного опыта, темперамента, ра- бочих сфер).

Участникам не требуется глубокой и длительной подготовки и наличия опыта по этому методу. Однако качество выдвигаемых идей и потраченное время покажут, насколько отдельные участники или целевые группы знако- мы с принципами и основными правилами этого метода. Положительным яв- ляется наличие у участников знаний и опыта в рассматриваемой сфере. Дли- тельность заседания в рамках мозговой атаки можно выбрать в пределах от нескольких минут до нескольких часов, общепринятой является продолжи- тельность в 20-30 минут.

Анализ сущности метода мозгового штурма приводит «двум противоре- чиям. С одной стороны, чтобы развивать идею на этапе генерирования, ее не- обходимо критиковать, а критика правилами проведения штурма запрещена. С другой, – чтобы направлять ход решения в одну сторону, необходимо им управлять, а сущность метода заключается в хаотическом генерировании идей.

 

Метод Дельфи. Цель метода заключается в том, чтобы получить согласо- ванную информацию высокой степени достоверности от группы экспертов. Разработан он сотрудниками американской фирмы Rand Corporation в 1964 г.

В нем реализована попытка устранить противоречие, возникающее при организации работы группы экспертов. Суть его заключается в том, что, если опрашивать экспертов независимо друг от друга, то возможны отклонения в больших пределах. А если позволить экспертам взаимодействовать, обмени- ваться мнениями в процессе работы, то это может привести к появлению оце- нок, навязанных авторитетными коллегами.

Поэтому при применении метода Дельфи осуществляется процедура, обеспечивающая обмен информацией о доводах и ответах, без непосредствен- ного взаимодействия экспертов друг с другом. Прямые дискуссии экспертов


 

 

заменяются индивидуальными опросами, проходящими по определенной про- грамме в несколько этапов (рис. 4.2).

Этапы опроса повторяют столько раз, сколько необходимо для достиже- ния согласованного решения.

Метод Дельфи часто используют в случаях, когда сбор группы невозмо- жен. Более того, в соответствии с методикой членам группы не разрешается встречаться и обмениваться мнениями по поводу решаемой проблемы, обеспе- чивается независимость мнений. Однако затраты времени на разработку реше- ний существенно растут.

 

 


Формирование ра- бочей группы


Выбор экспертов Составлениеанкеты(опросного листа)


 

 







© 2023 :: MyLektsii.ru :: Мои Лекции
Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав.
Копирование текстов разрешено только с указанием индексируемой ссылки на источник.